Тестировщик (AI/ML)

Локация: Москва, удалённо

Компания

Лоция развивает программные решения, требующие ручного тестирования, проверки интеграций и валидации AI/ML-компонентов.

Что делать

• Проводить регрессионное, функциональное, интеграционное и дымовое тестирование.
• Разрабатывать и актуализировать тест-кейсы, чек-листы, сценарии и стратегии тестирования.
• Регистрировать, анализировать, приоритизировать и сопровождать дефекты до завершения ретеста.
• Подготавливать тестовые данные и окружения, включая восстановление после сбоев.
• Проверять требования и документацию, анализировать метрики качества и готовить отчётность.
• Участвовать в оценке задач, планировании спринтов и взаимодействии со стейкхолдерами.

Требования

• От 3 лет опыта тестирования программного обеспечения.
• Средний уровень знаний видов и уровней тестирования, техник тест-дизайна, тестовых артефактов и метрик.
• Средний уровень знаний SQL на уровне DML и DDL, REST-архитектуры, а также опыт работы с SoapUI, XML, XSD, WSDL, Postman, Git и Azure DevOps.
• Опыт локализации ошибок и составления багрепортов.
• Опыт декомпозиции и делегирования задач, включая планирование человеко-часов и машино-часов.
• Опыт работы с Kafka и RabbitMQ, понимание принципов работы брокеров сообщений и владение Offset Explorer или RFHUtil.
• Средний уровень знаний концепций AI, ML и больших языковых моделей, а также опыт написания промптов.

Хорошо, если есть

• Опыт работы в командах по SAFe, Scrum и каскадной модели разработки.
• Знания HTML, JSON, XML, CSS, JavaScript, HTTP-методов GET и POST, кодов ответов 10X–50X, заголовков и тел ответов.
• Знания Charles, Fiddler или Wireshark для мониторинга HTTP/HTTPS-трафика.
• Знания измерения программного обеспечения, стандартов зрелости процессов и стандартов тестирования.
• Знания принципов работы Windows и Linux, а также реляционных баз данных Oracle и Postgres.
• Опыт обучения тестировщиков и владения методиками обучения.
• Знания стандартов и методологий для приложений, двухзвенной клиент-серверной и трёхуровневой архитектуры.
• Опыт составления сложных промптов с контекстом, ролями и ограничениями для AI-агентов.
• Знания жизненного цикла ML-модели и AI-агента: сбор данных, обучение, валидация, развёртывание и мониторинг.

Культура и преимущества

• Полная занятость.
• Удалённый формат работы.